L’Intelligenza Artificiale sta cambiando profondamente il modo in cui si produce conoscenza ma oggi il vero cambiamento non riguarda solo la potenza degli algoritmi, piuttosto riguarda il ruolo centrale dei dati.
Indice degli argomenti
Il nuovo paradigma dell’intelligenza artificiale
È qui che prende forma l’IA data-centric: non più modelli sempre più grandi alimentati da dati qualsiasi, ma sistemi il cui valore dipende prima di tutto da qualità, affidabilità, rappresentatività e governance dei dati.
In questo scenario si collocano due recenti iniziative della Commissione Europea che, lette insieme, raccontano una strategia chiara: lo studio “Study on the Next Data Frontier. Generative AI, Regulatory Compliance and International Dimensions” e il quadro europeo delle competenze per i ricercatori, ResearchComp. Il primo ci dice quali sono le nuove sfide; il secondo indica chi dovrà essere in grado di affrontarle. Messi in prospettiva questi due documenti non parlano solo di tecnologia ma indicano una vera traiettoria politica e culturale per il futuro della ricerca in Europa.
Come l’IA generativa trasforma il metodo scientifico
Lo studio sulla “Next Data Frontier” fotografa un passaggio decisivo: con l’IA generativa non lavoriamo più solo su dati raccolti ma su dati prodotti artificialmente. Testi, immagini, simulazioni, dataset sintetici entrano ormai stabilmente nei processi di ricerca.
Questo cambia in profondità:
- il metodo scientifico,
- la validazione dei risultati,
- la tracciabilità delle fonti,
- la riproducibilità,
- la proprietà intellettuale,
- la responsabilità scientifica.
In un approccio data-centric, l’algoritmo non è più il centro del sistema: lo sono i dati. E questo implica che la qualità del dato diventa la vera qualità della ricerca. Senza dati affidabili, anche il modello più sofisticato produce risultati distorti.
Qualità contro quantità: il rovesciamento della logica dei dati
L’idea che “più dati = più intelligenza” si è rivelata una scorciatoia pericolosa. L’IA data-centric rovescia questa logica: non conta solo la quantità, ma chi ha prodotto quei dati, con quali criteri, per quali finalità, con quali diritti.
Lo studio sulla Next Data Frontier mette in evidenza proprio questo nodo: i dati sono ormai un campo di tensione tra innovazione, compliance normativa, diritti fondamentali e interessi economici. Privacy, bias, discriminazioni algoritmiche, proprietà dei contenuti generati, manipolazione informativa: tutto passa dai dati.
Per l’università, questo significa una cosa molto concreta: non basta più formare esperti di algoritmi, servono esperti di dati nel senso pieno del termine, capaci di governarne l’intero ciclo di vita.
ResearchComp e la dimensione politica delle competenze
Lo European Competence Framework for Researchers (ResearchComp) è uno strumento della Commissione Europea creato per accompagnare lo sviluppo delle competenze trasversali del personale di ricerca durante tutto il percorso di carriera. In questo quadro, ResearchComp assume un valore che va oltre la dimensione formativa. Inserire le competenze legate all’uso dell’Intelligenza Artificiale nella ricerca significa riconoscere che:
- l’IA non è più una tecnologia di nicchia,
- l’uso dei dati è una competenza trasversale,
- l’etica, la trasparenza e la responsabilità non sono “aggiunte” ma parti strutturali del profilo del ricercatore.
Per chi governa la ricerca oggi, il messaggio è chiaro: non si può più fare alta formazione senza una solida cultura del dato. Una cultura che non è solo tecnica, ma anche giuridica, sociale, epistemologica.
La sfida culturale delle università nell’era dei dati
Per l’università questo significa una cosa molto concreta: non basta più formare esperti di modelli matematici o di programmazione. Serve una nuova generazione di ricercatori capaci di governare l’intero ciclo di vita del dato, dalla raccolta alla certificazione, dalla condivisione alla responsabilità d’uso. In questo senso, ResearchComp segna un passaggio decisivo. Inserire le competenze legate all’uso dell’IA tra quelle fondamentali del ricercatore europeo significa riconoscere che l’Intelligenza Artificiale è ormai parte strutturale del lavoro scientifico, e che il suo utilizzo richiede non solo abilità tecniche, ma anche consapevolezza etica, giuridica e sociale.
Da chi ha responsabilità nel governo della Ricerca, questo viene percepito con estrema chiarezza: non si può più progettare la formazione alla ricerca come se il tema dei dati fosse una questione secondaria o specialistica. La cultura del dato diventa una competenza trasversale, che riguarda le scienze dure come le scienze sociali, l’economia come le discipline umanistiche, la medicina come l’ingegneria.
Terza Missione e internazionalizzazione nell’ecosistema data-centric
Questo cambiamento ha un impatto diretto anche sulla Terza Missione. L’Intelligenza Artificiale data-centric non vive solo nei laboratori universitari, ma si diffonde rapidamente nelle imprese, nella sanità, nella pubblica amministrazione. Il rischio, però, è che l’adozione dell’IA avvenga più velocemente della capacità di comprenderne davvero le implicazioni. In assenza di una solida cultura del dato, il trasferimento tecnologico rischia di essere rapido ma fragile, innovativo ma opaco. L’università è chiamata allora a svolgere una funzione nuova: non solo trasferire soluzioni tecnologiche, ma trasferire consapevolezza sull’uso dei dati.
Anche l’Internazionalizzazione cambia volto in un contesto data-centric. La cooperazione scientifica non riguarda più soltanto progetti e pubblicazioni, ma sempre più la condivisione di dati affidabili, interoperabili, costruiti secondo standard comuni. In un mondo in cui i dati sono una leva di potere economico e geopolitico, collaborare significa anche costruire, in maniera sicura, fiducia attorno ai processi di produzione e gestione dell’informazione scientifica.
Le scelte strategiche per governare la rivoluzione dei dati
Per chi oggi governa la ricerca, questo significa scelte molto concrete:
- rafforzare la formazione data-centric nei dottorati,
- integrare IA, diritto e scienze sociali,
- costruire percorsi sull’uso responsabile dei dati,
- portare la cultura del dato nelle imprese e nelle amministrazioni con la Terza Missione,
- usare l’internazionalizzazione per costruire alleanze sulla qualità dei dati, non solo sugli output scientifici.
La “next data frontier” non è fatta solo di modelli generativi sempre più potenti. È fatta di scelte su che tipo di conoscenza vogliamo produrre, su quali dati, per conto di chi e con quali responsabilità.
Se l’università saprà mettere davvero al centro l’IA data-centric – cioè i dati prima degli algoritmi – allora potrà ancora guidare il cambiamento. Altrimenti rischierà di usare strumenti potenti senza governarne davvero le fondamenta.
